深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1621	2025-02-06	Digital Volumetric Biopsy Cores Improve Gleason Grading of Prostate Cancer Using Deep Learning 2024-Sep-12, ArXiv PMID:39314499	研究论文	本文提出了一种新的数字病理数据源——体积核心，通过使用深度学习方法改进前列腺癌的Gleason分级	提出了一种新的数字病理数据源——体积核心，并开发了一种基于注意力机制的多实例学习框架来处理体积数据，显著优于现有的2D基线方法	研究中使用的数据集可能有限，且未提及外部验证的结果	改进前列腺癌的Gleason分级，提高诊断准确性	前列腺癌活检组织	数字病理	前列腺癌	深度特征提取，自监督学习	注意力机制的多实例学习框架（ABMIL），视频变换器	3D活检组织体积数据	10,210个体积核心，其中30%用于预训练
1622	2025-02-06	Advancing ICU patient care with a Real-Time predictive model for mechanical Power to mitigate VILI 2024-Sep, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2024.105511 PMID:38851133	研究论文	本研究旨在开发一种利用人工智能实时预测机械功率（MP）的模型，以减轻机械通气引起的肺损伤（VILI）	开发了一种混合神经网络模型，能够提前15分钟预测MP，并在临床实践中集成到一个网络平台中，供临床医生实时访问	研究为回顾性观察研究，可能受到数据质量和选择偏差的影响	开发实时预测模型以减轻机械通气引起的肺损伤	18岁以上且接受超过6小时机械通气的ICU患者	机器学习	肺损伤	人工智能	混合神经网络	临床数据	1967名患者
1623	2025-02-06	GenomicLinks: deep learning predictions of 3D chromatin interactions in the maize genome 2024-Sep, NAR genomics and bioinformatics IF:4.0Q1 DOI:10.1093/nargab/lqae123 PMID:39318505	研究论文	本文介绍了GenomicLinks，一个深度学习模型，用于预测玉米基因组中的3D染色质相互作用	开发了GenomicLinks模型，首次在植物中利用深度学习预测3D染色质相互作用，并验证了特定转录因子结合基序在染色质环形成中的作用	研究主要集中于玉米基因组，可能不直接适用于其他植物物种	探索植物中染色质环形成的分子机制，特别是通过DNA序列特征预测3D染色质相互作用	玉米基因组中的3D染色质相互作用	机器学习	NA	深度学习	深度学习模型	基因组序列数据	不同基因型的玉米单细胞共可及性数据
1624	2025-02-06	Artificial intelligence-based classification of cardiac autonomic neuropathy from retinal fundus images in patients with diabetes: The Silesia Diabetes Heart Study 2024-08-10, Cardiovascular diabetology IF:8.5Q1 DOI:10.1186/s12933-024-02367-z PMID:39127709	研究论文	本研究利用基于人工智能的深度学习技术，通过视网膜眼底图像对糖尿病患者中的心脏自主神经病变进行分类	首次利用视网膜眼底图像和AI技术对糖尿病心脏自主神经病变进行高效诊断	研究为单中心观察性研究，样本量相对较小，且未进行外部验证	探索AI技术是否可以通过糖尿病眼筛查中收集的视网膜图像提供心脏自主神经病变的高效诊断方法	糖尿病患者	数字病理学	糖尿病	深度学习	ResNet 18, ResWide 50	图像	229名患者的2275张视网膜图像
1625	2025-02-06	Deep learning solutions for inverse problems in advanced biomedical image analysis on disease detection 2024-08-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-69415-2 PMID:39122782	研究论文	本文提出了一种深度学习解决方案，用于解决生物医学图像分析中的逆问题，以优化疾病检测	开发了DLSIP-ABIADD技术，结合了MobileNetv2模型、双边滤波、亨利气体溶解度优化方法和双向长短期记忆模型，用于解决逆问题并检测疾病	未提及具体局限性	优化疾病检测，解决生物医学图像分析中的逆问题	生物医学图像	数字病理学	NA	深度学习	MobileNetv2, BiLSTM	图像	未提及具体样本数量
1626	2025-02-06	Labelling with dynamics: A data-efficient learning paradigm for medical image segmentation 2024-Jul, Medical image analysis IF:10.7Q1 DOI:10.1016/j.media.2024.103196 PMID:38781755	研究论文	本文提出了一种数据高效的学习框架，用于医学图像分割任务，通过引入领域知识作为强先验来解决深度神经网络在医学应用中面临的数据需求和可解释性问题	提出了一种基于定制动态系统的数据高效学习框架，能够在极有限的训练数据下实现可靠的分割结果，并具有旋转不变性和对初始化不敏感的特性	NA	解决深度神经网络在医学图像分割任务中需要大量标注数据和缺乏可解释性的问题	医学图像分割	计算机视觉	NA	深度学习	深度神经网络（DNN）	图像	两个数据集（JSRT和ISIC2016），涉及心脏和肺部X光图像分割以及皮肤病变的皮肤镜图像分割
1627	2025-02-06	Analyzing the impact of deep learning algorithms and fuzzy logic approach for remote English translation 2024-Jun-24, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64831-w PMID:38914631	研究论文	本文提出了一种结合深度学习和模糊决策算法的远程英语翻译方法，以提高翻译的准确性和可理解性	提出了一种名为Fusion-dependent Precision Translation Approach (FPTA)的方法，通过深度学习和模糊决策算法进行单词使用和句子完成的反复验证，从而减少翻译错误并提高可理解性	未提及具体的数据集或样本量，可能缺乏广泛的验证	解决远程英语翻译中的精确性问题	远程英语翻译	自然语言处理	NA	深度学习, 模糊决策算法	NA	文本	NA
1628	2025-01-24	Attention and sentiment of Chinese public toward rural landscape based on Sina Weibo 2024-06-14, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-64527-1 PMID:38877046	研究论文	本研究提出了一种基于深度学习的微博数据分析模型，旨在从中国公众的角度探索乡村景观的发展方向	利用深度学习模型分析微博数据，揭示中国公众对乡村景观的关注和情感变化	研究主要基于微博数据，可能无法全面代表所有公众的意见	探索中国公众对乡村景观的关注和情感，为政策制定和发展模式探索提供依据	中国公众对乡村景观的关注和情感	自然语言处理	NA	深度学习	NA	文本	基于微博数据的公众意见分析
1629	2025-02-06	Case-Base Neural Network: Survival analysis with time-varying, higher-order interactions 2024-Jun, Machine learning with applications DOI:10.1016/j.mlwa.2024.100535 PMID:39802089	研究论文	本文提出了一种结合案例基础采样框架和灵活神经网络架构的新方法——案例基础神经网络（CBNNs），用于生存分析中的时间变化和复杂基线风险的建模	提出了一种新的案例基础神经网络（CBNNs）方法，结合了案例基础采样框架和灵活的神经网络架构，能够自然处理截尾数据并预测事件发生的概率	尽管CBNNs在模拟和实际数据应用中表现出色，但在某些情况下与其他模型的性能相似，可能需要进一步验证其广泛适用性	开发一种能够建模时间变化交互和复杂基线风险的数据驱动神经网络方法，以提高生存分析的预测性能	生存分析中的时间变化和复杂基线风险	机器学习	NA	神经网络	前馈神经网络	生存数据	模拟数据和三个实际数据应用
1630	2025-02-06	Automated classification of elongated styloid processes using deep learning models-an artificial intelligence diagnostics 2024, Frontiers in oral health IF:3.0Q1 DOI:10.3389/froh.2024.1424840 PMID:39902080	研究论文	本研究开发了一种基于深度学习的自动化分类系统，用于分类延长的茎突过程，并评估了EfficientNetB5和InceptionV3两种架构的性能	利用深度学习模型EfficientNetB5和InceptionV3对延长的茎突过程进行自动化分类，提高了诊断准确性	研究依赖于回顾性数据，且样本量有限，可能影响模型的泛化能力	开发并评估深度学习模型在分类延长茎突过程中的性能	延长的茎突过程	计算机视觉	Eagle综合症	深度学习	EfficientNetB5, InceptionV3	图像	330张延长茎突图像和120张正常茎突图像
1631	2025-02-06	Rapid and non-destructive classification of rice seeds with different flavors: an approach based on HPFasterNet 2024, Frontiers in plant science IF:4.1Q1 DOI:10.3389/fpls.2024.1502631 PMID:39902203	研究论文	本研究提出了一种基于深度学习的快速无损分类方法，用于区分不同风味的稻米种子	提出了结合Ghost bottleneck和FasterNet_T0的轻量级网络HPFasterNet，并引入了组卷积以提高模型性能	NA	开发一种快速无损的稻米种子分类方法，以提高稻米品种识别的效率和准确性	19种粳稻种子	计算机视觉	NA	深度学习	HPFasterNet	图像	36735张图像
1632	2025-02-05	Coronal Plane Alignment of the Knee (CPAK) Type Shifts Toward Constitutional Varus with Increasing Kellgren and Lawrence Grade: A Radiographic Analysis of 17,365 Knees 2024-Dec-24, The Journal of bone and joint surgery. American volume DOI:10.2106/JBJS.24.00316 PMID:39719004	研究论文	本研究通过深度学习软件分析了17,365个膝盖的X光片，探讨了膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	首次大规模分析了CPAK类型在不同OA严重程度下的分布变化，并揭示了OA严重程度对CPAK类型的影响	研究为回顾性横断面研究，无法确定因果关系，且未考虑其他可能影响OA进展的因素	探讨膝关节冠状面对齐（CPAK）类型与骨关节炎（OA）严重程度之间的关系	17,365个膝盖的X光片	数字病理	骨关节炎	深度学习	NA	X光片	17,365个膝盖
1633	2025-02-05	Development of a deep learning-based 1D convolutional neural network model for cross-species natural killer T cell identification using peripheral blood mononuclear cell single-cell RNA sequencing data 2024-Dec, Veterinary world IF:1.7Q2 DOI:10.14202/vetworld.2024.2846-2857 PMID:39897371	研究论文	本研究开发了一种基于一维卷积神经网络（1DCNN）的模型，用于跨物种识别自然杀伤T细胞（NKT细胞），并利用单细胞RNA测序数据验证了其有效性	首次将1DCNN模型应用于跨物种NKT细胞的识别，并成功识别了人类、犬类和猪类PBMC数据集中的NKT细胞	需要进一步的研究来验证这些发现，并且模型的泛化能力尚未在其他细胞类型上得到验证	开发一种能够跨物种识别NKT细胞的深度学习模型，并探索其在不同物种中的免疫功能基因	人类、犬类和猪类的外周血单核细胞（PBMC）中的NKT细胞	机器学习	NA	单细胞RNA测序（scRNA-Seq）	1DCNN	RNA测序数据	人类、犬类和猪类的PBMC数据集
1634	2025-02-05	Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data 2024-Aug-07, bioRxiv : the preprint server for biology DOI:10.1101/2024.08.05.606654 PMID:39149252	研究论文	本文提出了一种利用空间分辨转录组数据注释病理图像的新方法，并开发了一个名为STpath的迁移学习神经网络模型，用于预测细胞类型比例或分类肿瘤微环境	利用空间分辨转录组数据注释病理图像，开发了STpath模型，解决了病理图像标注数据稀缺的问题	训练数据有限，可能影响模型的泛化能力	提高病理图像分析的准确性和效率，辅助病理学家进行诊断	乳腺癌数据集中的病理图像和空间分辨转录组数据	数字病理学	乳腺癌	空间分辨转录组数据	迁移学习神经网络模型（STpath）	图像和转录组数据	三个不同的乳腺癌数据集
1635	2025-02-05	Long axial-range double-helix point spread functions for 3D volumetric super-resolution imaging 2024-Aug-01, bioRxiv : the preprint server for biology DOI:10.1101/2024.07.31.605907 PMID:39131321	研究论文	本文介绍了一种使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像的方法，简化了厚样本（如整个哺乳动物细胞）的成像和分析流程	提出了使用长轴向范围双螺旋点扩散函数（DH-PSFs）进行3D单分子超分辨率成像，避免了传统方法中需要多片层采集和后处理拼接的复杂性	尽管该方法简化了成像和分析流程，但在厚样本中的应用仍需进一步验证其分辨率和成像速度的优化	研究目的是开发一种简化3D超分辨率成像的方法，以获取厚样本（如整个哺乳动物细胞）的纳米级结构信息	研究对象包括荧光珠和哺乳动物细胞（U-2 OS细胞）中的核层蛋白lamin B1	生物医学成像	NA	单分子定位显微镜（SMLM）、DNA-PAINT成像	深度学习算法	图像	荧光珠和U-2 OS细胞
1636	2025-02-05	A Systematic Review of Artificial Intelligence Models for Time-to-Event Outcome Applied in Cardiovascular Disease Risk Prediction 2024-Jul-19, Journal of medical systems IF:3.5Q2 DOI:10.1007/s10916-024-02087-7 PMID:39028429	系统综述	本文系统综述了人工智能模型在心血管疾病风险预测中的应用，特别是针对时间到事件结果的处理	首次系统评估了处理右删失数据的人工智能模型在心血管疾病风险预测中的应用，并强调了社会健康决定因素和性别分层的重要性	只有少数研究纳入了广泛的社会健康决定因素，且仅五分之一的研究进行了性别分层分析	评估和比较机器学习和深度学习模型在心血管疾病风险预测中的效果	心血管疾病风险预测模型	机器学习	心血管疾病	机器学习（ML）和深度学习（DL）	随机生存森林（RSF）、生存梯度提升模型、惩罚Cox模型、DeepSurv	生存数据	33项研究
1637	2025-02-05	Artificial intelligence in suicide prevention: Utilizing deep learning approach for early detection 2024 Jul-Dec, Industrial psychiatry journal DOI:10.4103/ipj.ipj_20_24 PMID:39898082	研究论文	本文介绍了一种利用人工神经网络（ANN）架构的人工智能模型，用于预测有自杀倾向的学生，旨在通过技术手段早期识别并干预	首次将人工神经网络应用于学生自杀风险的早期预测，并通过严格的超参数优化和统计指标评估模型性能	模型训练和测试数据为虚构和模拟的，未来需要真实世界的数据验证和模型优化	构建一个AI模型，用于早期识别有自杀倾向的学生，以便及时干预	面临考试压力的学生	机器学习	心理健康	人工神经网络（ANN）	ANN	虚构和模拟的学生档案数据	NA
1638	2025-02-05	Mathematical Model-Driven Deep Learning Enables Personalized Adaptive Therapy 2024-Jun-04, Cancer research IF:12.5Q1 DOI:10.1158/0008-5472.CAN-23-2040 PMID:38569183	研究论文	本文提出了一种结合数学模型和深度强化学习（DRL）的个性化自适应治疗策略，用于优化前列腺癌的治疗方案	创新点在于将深度强化学习应用于自适应药物调度，并展示了其在数学模型校准的前列腺癌动态中优于现有自适应协议的表现	本文的局限性在于未明确提及在实际临床环境中的验证情况，且未详细讨论模型的泛化能力	研究目的是通过深度强化学习优化自适应治疗策略，以延迟或预防肿瘤进展	研究对象为前列腺癌患者及其肿瘤动态	机器学习	前列腺癌	深度强化学习（DRL）	DRL	数学模型数据	未明确提及样本量
1639	2025-02-05	Deep learning-based spectroscopic single-molecule localization microscopy 2024-06, Journal of biomedical optics IF:3.0Q2 DOI:10.1117/1.JBO.29.6.066501 PMID:38799979	研究论文	本文提出了一种基于深度学习的计算方法，用于重建无标记和荧光标记的光谱单分子定位显微镜（sSMLM）成像数据	开发了一种名为DsSMLM的双网络模型深度学习算法，用于重建sSMLM数据，并在多种样本上进行了验证	未明确提及具体局限性	开发一种新的计算方法，利用深度学习重建sSMLM成像数据，以实现纳米级的亚细胞结构可视化	无标记的单链DNA纤维、荧光标记的组蛋白标记物、COS-7和U2OS细胞、合成DNA折纸纳米尺	计算机视觉	NA	光谱单分子定位显微镜（sSMLM）	深度学习（双网络模型）	图像	多种样本，包括单链DNA纤维、COS-7和U2OS细胞、合成DNA折纸纳米尺
1640	2025-02-05	A CONVEX COMPRESSIBILITY-INSPIRED UNSUPERVISED LOSS FUNCTION FOR PHYSICS-DRIVEN DEEP LEARNING RECONSTRUCTION 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/ISBI56570.2024.10635138 PMID:39886655	研究论文	本文提出了一种基于凸压缩性启发的无监督损失函数，用于物理驱动的深度学习重建	提出了一种新的凸损失函数，用于评估输出图像的可压缩性，并在多种设置下评估重建质量	未提及具体局限性	改进快速MRI扫描的重建质量	MRI扫描图像	机器学习	NA	深度学习	PD-DL网络	图像	NA